在金融危机后的十几年里，金融服务业的风险管理变得异常精密。模型风险治理框架、压力测试基础设施、限额监控系统——机构在风险基础设施上的投入巨大。SR 11-7依然是大多数机构衡量模型风险管理项目的监管标杆。如今，大型金融机构拥有的风险模型、数据源和监控仪表盘的数量远超任何风险团队能够有效监测的范围。
然而，这种基础设施的精密性掩盖了一个根本问题：当首席风险官（CRO）需要了解信用风险集中度的现状、特定情景下的压力测试敏感度，或者市场风险头寸与信贷账簿敞口之间的相关性时，获取答案需要穿越复杂的模型输出、分析师解释层以及本不互通的数据系统。
风险治理与风险智能之间的鸿沟 风险决策往往必须在快速节奏中做出——信贷委员会审查、市场风险每日简报、限额违规升级、监管问询。在这些时刻，CRO需要快速、准确且可辩护的答案。但他们经常得到的，是预包装的报告，这些报告回答的是设计时预设的问题，而不是会议上实际提出的具体问题。风险报告告诉你报告里包含了什么，而风险智能则回答你真正想问的问题——后者往往与仪表盘设计者当初设想的问题大相径庭。
SR 11-7下的对话式风险智能 Databricks AI/BI Genie 使风险领导者能够用自然语言查询其风险数据环境，同时满足金融监管所需的治理控制。CRO可以提问：“我们贷款账簿中当前商业地产的集中敞口是多少？按地域和贷款价值比区间划分，并与内部限额结构对比？”答案从真实信贷数据中即时生成，并配备适当的访问控制和审计日志。
从治理到智能的跨越 风险治理框架是风险管理的必要条件，但并非充分条件。能够以对话方式探测风险环境的CRO——提出当前市场环境真正产生的问题，而不仅仅是上一次仪表盘设计时预期的问题——是在以更高质量的信息进行风险管理。
Databricks Genie 的关键差异化包括：可辩护的审计追踪（每次查询和响应均被记录，满足模型风险治理和监管检查要求）、Unity Catalog数据谱系（答案可溯源至源数据，满足归因要求）、跨风险视图（信用、市场、操作和流动性风险数据统一环境，支持单一风险仪表盘无法回答的相关性问题）、以及压力测试集成（情景输出数据与实际敞口数据在同一环境中，使“在情景X下我们的账簿表现如何”成为实时问题）。
Genie 现已可用。机构可以探索如何通过它重新想象数据访问和行动方式。